本书以漫画形式讲解机器学习的基本概念和关键知识点，尽可能通俗易懂地讲解回归、分类、结果评价、深度学习、集成学习、无监督学习等的原理。本书内容基于大学一年级的数学知识，着眼于主人公们学习和工作中遇到的问题，探究机器学习解决方案。

本书系统阐述迁移学习的解决方法和典型应用。首先，论述了迁移学习的基本概念、方法分类及发展历程，介绍了迁移学习的相关基础知识。然后，探讨了迁移学习的基本方法，包括基于样本、基于特征、基于模型和基于关系的迁移学习方法，阐述了深度迁移学习的经典方法，包括神经网络自适应迁移方法和神经网络对抗迁移方法，介绍了更加实用的部分域适应

本书主要讲述人工智能的基础知识与基础理论，并通过大量的人工智能应用帮助读者快速了解人工智能相关技术。本书共10章，分别为人工智能概述、人工智能基础知识、机器学习、深度学习、计算机视觉、自然语言处理、知识图谱、人工智能技术应用场景、智能机器人和人工智能的挑战与未来。本书内容丰富，讲解细致，注重技术发展变化。 本书既可作为

本书涵盖人工智能概述、Python编程基础、TensorFlow机器学习框架、机器学习算法、MNIST数据集及神经网络、TensorFlow高级框架、OpenCV开发与应用等基础知识，并介绍且搭建了计算机视觉中的手写数字识别与人脸识别、自然语言处理中的语音识别与智能聊天机器人具体项目，还介绍并实践了AI开放平台的接入与

创新工场于2017年发起了面向高校在校生的DeeCamp人工智能训练营（简称DeeCamp训练营），训练营内容涵盖学术界与产业界领军人物带来的全新AI知识体系和来自产业界的真实实践课题，旨在提升高校AI人才在行业应用中的实践能力，以及推进产学研深度结合。本书以近两年DeeCamp训练营培训内容为基础，精选部分导师的授课

本书由全球知名的3位专家IanGoodfellow、YoshuaBengio和AaronCourville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的

本书是面向高级人工智能人才培养的高等学校人工智能相关专业规划教材中的一本，通过梳理人工智能涉及的相关数学理论，并通过Python实现相关案例，使抽象的理论具体化，从而加深读者对数学的感性认识，提高读者对数学理论的理解能力。本书首先介绍了人工智能所需的基础数学理论，然后根据数学内容的逻辑顺序，以微积分、线性代数、概率论、

数据孤岛和隐私保护已经成为制约人工智能发展的关键因素。联邦学习作为一种新型的隐私保护计算方案，在数据不出本地的前提下，能有效联合各参与方联合建模，从而实现“共同富裕”，成为当下人工智能领域备受关注的热点。本书以实战为主（包括对应用案例的深入讲解和代码分析），兼顾对理论知识的系统总结。全书由五部分共19章构成。第一部分简

本书主要根据作者近年来的研究成果，对网络嵌入表示学习技术进行梳理和总结，全书深入浅出地介绍了表示学习的基础理论，及其在网络对齐、地点推荐、电子健康记录挖掘等应用方面的前沿技术。具体包括：单/多关系网络表示理论与技术、基于单关系网络表示的社交网络对齐、基于多关系网络表示学习的知识图谱对齐、基于网络表示的电子健康记录挖掘、

本书主要介绍构建和训练生成对抗网络（GAN）的方法。全书共12章，先介绍生成模型以及GAN的工作原理，并概述它们的潜在用途，然后探索GAN的基础结构（生成器和鉴别器），引导读者搭建一个简单的对抗系统。 本书给出了大量的示例，教读者学习针对不同的场景训练不同的GAN，进而完成生成高分辨率图像、实现图像到图像的转换、生成对